द्विचर और बहुचर विश्लेषण
स्कैटर आलेख, पेयर आलेख, सहसंबंध हीटमैप और समूहीकृत आँकड़े।
द्विचर और बहुचर विश्लेषण, CoddyKit पर पाइथन के साथ एआई सीखें का एक निःशुल्क पाठ है। यह 4 में से 3वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह पाइथन के साथ एआई सीखें सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
एक चर से अनेक चरों तक
द्विचर विश्लेषण दो चरों के बीच संबंध का अध्ययन करता है, जबकि बहुचर विश्लेषण एक साथ कई चरों को देखता है।
उद्देश्य यह पता लगाना है कि कौन-सी विशेषताएँ साथ-साथ बदलती हैं, कौन-सी अंतःक्रियाएँ हैं और आपके लक्ष्य के पूर्वानुमान के लिए कौन-से चर उपयोगी हैं।
plt.scatter से बिखराव आलेख
एक बिखराव आलेख दो संख्यात्मक चरों को एक-दूसरे के विरुद्ध दर्शाता है—हर बिंदु एक पंक्ति को दर्शाता है। इससे प्रवृत्तियाँ, समूह और अपवर्ती मान दिखाई देते हैं।
import matplotlib.pyplot as plt
import seaborn as sns
plt.scatter(df["height"], df["weight"], alpha=0.4)
plt.xlabel("Height")
plt.ylabel("Weight")
plt.show()बिखराव आलेख पढ़ना
दिशा (ऊपर की ओर = धनात्मक संबंध, नीचे की ओर = ऋणात्मक), संबंध की मजबूती (सघन पट्टी बनाम बिखरा हुआ समूह) और स्वरूप (रैखिक बनाम वक्र) पर ध्यान दें।
बिंदुओं को किसी श्रेणी के अनुसार रंग देने और समूहों की संरचना दिखाने के लिए sns.scatterplot में hue जोड़ें।
sns.scatterplot(x="height", y="weight", hue="gender", data=df, alpha=0.5)
plt.show()df.corr() से सहसंबंध
df.corr() संख्यात्मक स्तंभों के बीच युग्मित पियर्सन सहसंबंध की गणना करता है: -1 से +1 तक की एक संख्या।
- +1 → पूर्ण धनात्मक रैखिक संबंध
- 0 → कोई रैखिक संबंध नहीं
- -1 → पूर्ण ऋणात्मक रैखिक संबंध
corr = df.corr(numeric_only=True)
print(corr["price"].sort_values(ascending=False))सहसंबंध heatmap
सहसंबंध मैट्रिक्स को heatmap के रूप में पढ़ना आसान होता है। हर खाने के भीतर मान दिखाने के लिए annot=True दें।
एक अलग-अलग रंगों वाला रंग-मानचित्र (जैसे coolwarm) उपयोग करें, ताकि धनात्मक और ऋणात्मक सहसंबंध अलग-अलग रंगों में दिखाई दें।
corr = df.corr(numeric_only=True)
sns.heatmap(corr, annot=True, fmt=".2f", cmap="coolwarm", center=0)
plt.show()बहुसह-रेखीयता का पता लगाना
जब दो विशेषताओं के बीच बहुत अधिक सहसंबंध हो (जैसे, > 0.9), तो उनमें दोहराई हुई सूचना होती है। इसे बहुसह-रेखीयता कहते हैं, जो रैखिक मॉडलों को अस्थिर कर सकती है।
heatmap ऐसे दोहराव वाले युग्मों को तुरंत सामने लाता है, ताकि आप उनमें से एक को हटा सकें।
corr = df.corr(numeric_only=True).abs()
high = corr[(corr > 0.9) & (corr < 1.0)]
print(high.dropna(how="all"))सहसंबंध कारणता नहीं है
मजबूत सहसंबंध का यह अर्थ नहीं है कि एक चर दूसरे का कारण है। दोनों किसी छिपे हुए तीसरे चर से प्रभावित हो सकते हैं, या यह संबंध महज़ संयोग हो सकता है।
परिकल्पनाएँ बनाने के लिए सहसंबंध का उपयोग करें, फिर विषय-क्षेत्र के ज्ञान और नियंत्रित विश्लेषण से उनका सत्यापन करें।
sns.pairplot से युग्म आलेख
sns.pairplot संख्यात्मक स्तंभों के हर युग्म के लिए बिखराव आलेखों का एक ग्रिड बनाता है और विकर्ण पर आयतचित्र या KDE आलेख दिखाता है।
सभी द्विचर संबंधों को एक साथ सरसरी नज़र से देखने का यह सबसे तेज़ तरीका है। बड़े डेटासेट में स्तंभों की संख्या सीमित रखें—इसका विस्तार स्तंभों की संख्या के वर्ग के अनुपात में होता है।
sns.pairplot(df[["height", "weight", "age", "income"]], hue="gender")
plt.show()समूहबद्ध बॉक्स प्लॉट
किसी संख्यात्मक चर का संबंध किसी श्रेणीबद्ध चर से देखने के लिए श्रेणी को बॉक्स प्लॉट के x-अक्ष पर रखें। इससे आप अलग-अलग समूहों के वितरणों की तुरंत तुलना कर सकते हैं।
sns.boxplot(x="city", y="income", data=df)
plt.xticks(rotation=45)
plt.show()समूहबद्ध समुच्चयी गणनाएँ
आलेखों के साथ संख्यात्मक सारांश भी उपयोगी होते हैं। groupby और agg श्रेणियों के अनुसार किसी संख्यात्मक स्तंभ का सारांश देते हैं।
यह सारणी के रूप में बहुचर विश्लेषण है—माध्य, माध्यिका और गणनाओं की अगल-बगल तुलना करें।
summary = df.groupby("city")["income"].agg(["mean", "median", "count"])
print(summary.sort_values("mean", ascending=False))दृश्य संकेतांकों से बहुचर आलेख
आप दृश्य संकेतांकों का उपयोग करके एक ही आलेख में तीन या अधिक चरों को समेट सकते हैं: x, y, रंग (hue) और आकार।
इससे अलग-अलग आलेख बनाए बिना पता चलता है कि तीसरे आयाम के अनुसार संबंध कैसे बदलते हैं।
sns.scatterplot(x="height", y="weight", hue="age", size="income", data=df)
plt.show()त्वरित जाँच: सहसंबंध की सीमा
आप df.corr() चलाते हैं और दो विशेषताओं के बीच -0.85 मान देखते हैं।
पुनरावृत्ति: द्विचर और बहुचर विश्लेषण
अब आप चरों के बीच संबंधों का अन्वेषण कर सकते हैं:
- दो संख्यात्मक चरों के लिए
plt.scatter/sns.scatterplot - सहसंबंध मैट्रिक्स के लिए
df.corr()+sns.heatmap(annot=True) - उच्च सहसंबंध बहुसह-रेखीयता का संकेत देते हैं (दोहराई हुई विशेषताओं को हटाएँ)
- सभी युग्मों के अवलोकन के लिए
sns.pairplot - संख्यात्मक और श्रेणीबद्ध चरों की तुलना के लिए समूहबद्ध बॉक्स प्लॉट और
groupby().agg()
अब हम विशेषताओं को सीधे पूर्वानुमान लक्ष्य से जोड़ेंगे।
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 53
- पाठ
- 225
अक्सर पूछे जाने वाले प्रश्न
क्या “द्विचर और बहुचर विश्लेषण” पाठ निःशुल्क है?
हाँ — पाइथन के साथ एआई सीखें अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “द्विचर और बहुचर विश्लेषण” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“द्विचर और बहुचर विश्लेषण” में मैं क्या सीखूँगा?
स्कैटर आलेख, पेयर आलेख, सहसंबंध हीटमैप और समूहीकृत आँकड़े। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ पाइथन के साथ एआई सीखें का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या पाइथन के साथ एआई सीखें शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर पाइथन के साथ एआई सीखें शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 3वाँ पाठ है।
“द्विचर और बहुचर विश्लेषण” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस पाइथन के साथ एआई सीखें पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर पाइथन के साथ एआई सीखें पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- EDA कार्यप्रवाह और डेटा प्रोफ़ाइलिंग
- एकचर विश्लेषण
- द्विचर और बहुचर विश्लेषण
- फ़ीचर वितरण और लक्ष्य विश्लेषण